仅含工作日数据的时间序列预测问题求助（R语言msts/tbats）

嘿，我之前用msts和tbats处理工作日专属的时间序列时，也碰到过一模一样的问题——模型默认会按设定的周期生成所有时间点的预测，哪怕是周末。这里有两个实操性很强的办法帮你搞定：

方法1：预测后过滤/替换周末值 #

这是最直接的思路：先让模型生成完整的预测，再手动处理周末的部分。

library(forecast)
library(lubridate) # 处理日期更省心

# 假设你的多季节时序对象是my_msts，要预测h个周期
fc <- tbats(my_msts) %>% forecast(h = h)

# 把预测结果转成数据框，方便筛选日期
fc_df <- data.frame(
  date = index(fc$mean),
  forecast = as.numeric(fc$mean)
)

# 判断哪些是周末（lubridate里wday返回1=周日，7=周六）
fc_df$is_weekend <- wday(fc_df$date) %in% c(1, 7)

# 选项A：把周末的预测值设为0
fc_df$forecast[fc_df$is_weekend] <- 0

# 选项B：直接删除周末的行，只保留工作日预测
fc_workday <- fc_df[!fc_df$is_weekend, ]

# 如果需要转回时间序列对象（可选）
fc_workday_ts <- ts(
  fc_workday$forecast,
  start = decimal_date(fc_workday$date[1]),
  frequency = 5*52 # 按年工作日数（260）设置频率，匹配原数据的季节性
)

注意：如果你的系统是中文环境，用weekdays()函数的话要写成weekdays(fc_df$date) %in% c("星期六", "星期日")，但用lubridate::wday()更通用，不受语言影响。

方法2：提前指定仅生成工作日的预测日期 #

这种方法更主动，直接告诉模型我们只需要工作日的预测点，避免生成多余的周末数据。

library(forecast)
library(lubridate)

# 获取原数据的最后一个日期
last_date <- tail(index(my_msts), 1)

# 生成未来需要的工作日日期序列（比如要100个工作日的预测）
num_workdays_needed <- 100
future_workdays <- seq.Date(last_date + days(1), length.out = num_workdays_needed*2, by = "day") %>%
  .[wday(.) %in% 2:6] %>% # 筛选周一到周五（wday返回2=周一，6=周五）
  head(num_workdays_needed)

# 生成预测时，要预留足够的点数（因为会包含周末），确保能覆盖我们需要的工作日
fc <- tbats(my_msts) %>% forecast(h = length(future_workdays) + round(length(future_workdays)*0.4))

# 从完整预测中提取对应工作日的结果
fc_clean <- fc$mean[index(fc$mean) %in% future_workdays]

# 转成时间序列对象
fc_clean_ts <- ts(
  fc_clean,
  start = decimal_date(future_workdays[1]),
  frequency = 5*52
)

额外小贴士 #

• 构造msts对象时，一定要设置正确的季节性周期：比如每周5个工作日，每年约260个工作日，所以用my_msts <- msts(your_data, seasonal.periods = c(5, 260))，这样模型能更好地捕捉工作日的模式，减少不必要的偏差。
• 如果你的预测可视化需求很高，处理后的序列在画图时就只会显示工作日的点（或周末为0的点），完美匹配原数据的模式。

内容的提问来源于stack exchange，提问作者Jess